Heterogeneity on long-term disability trajectories in patients with secondary progressive MS: a latent class analysis from Big MS Data network
Notice bibliographique
Résumé
BACKGROUND: Over the decades, several natural history studies on patients with primary (PPMS) or secondary progressive multiple sclerosis (SPMS) were reported from international registries. In PPMS, a consistent heterogeneity on long-term disability trajectories was demonstrated. The aim of this study was to identify subgroups of patients with SPMS with similar longitudinal trajectories of disability over time. METHODS: All patients with MS collected within Big MS registries who received an SPMS diagnosis from physicians (cohort 1) or satisfied the Lorscheider criteria (cohort 2) were considered. Longitudinal Expanded Disability Status Scale (EDSS) scores were modelled by a latent class growth analysis (LCGA), using a non-linear function of time from the first EDSS visit in the range 3-4. RESULTS: A total of 3613 patients with SPMS were included in the cohort 1. LCGA detected three different subgroups of patients with a mild (n=1297; 35.9%), a moderate (n=1936; 53.6%) and a severe (n=380; 10.5%) disability trajectory. Median time to EDSS 6 was 12.1, 5.0 and 1.7 years, for the three groups, respectively; the probability to reach EDSS 6 at 8 years was 14.4%, 78.4% and 98.3%, respectively. Similar results were found among 7613 patients satisfying the Lorscheider criteria. CONCLUSIONS: Contrary to previous interpretations, patients with SPMS progress at greatly different rates. Our identification of distinct trajectories can guide better patient selection in future phase 3 SPMS clinical trials. Additionally, distinct trajectories could reflect heterogeneous pathological mechanisms of progression.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».